Published January 1, 2017 | Version v1
Publication Metadata-only

Identification of the photovoltaic model parameters using the crow search algorithm

Creators

  • 1. Ain Shams University

Description

The Journal of EngineeringVolume 2017, Issue 13 p. 1570-1575 ArticleOpen Access Identification of the photovoltaic model parameters using the crow search algorithm Abeer Omar, Abeer Omar Electrical Power and Machines Department, Faculty of Engineering, Ain Shams University, Cairo, 11517 EgyptSearch for more papers by this authorHany M. Hasanien, Corresponding Author Hany M. Hasanien hanyhasanien@ieee.org Electrical Power and Machines Department, Faculty of Engineering, Ain Shams University, Cairo, 11517 EgyptSearch for more papers by this authorMohamed A. Elgendy, Mohamed A. Elgendy School of Electrical and Electronic Engineering, Newcastle University, Newcastle upon Tyne, NE1 7RU UKSearch for more papers by this authorMohamed A. L. Badr, Mohamed A. L. Badr Electrical Power and Machines Department, Faculty of Engineering, Ain Shams University, Cairo, 11517 EgyptSearch for more papers by this author Abeer Omar, Abeer Omar Electrical Power and Machines Department, Faculty of Engineering, Ain Shams University, Cairo, 11517 EgyptSearch for more papers by this authorHany M. Hasanien, Corresponding Author Hany M. Hasanien hanyhasanien@ieee.org Electrical Power and Machines Department, Faculty of Engineering, Ain Shams University, Cairo, 11517 EgyptSearch for more papers by this authorMohamed A. Elgendy, Mohamed A. Elgendy School of Electrical and Electronic Engineering, Newcastle University, Newcastle upon Tyne, NE1 7RU UKSearch for more papers by this authorMohamed A. L. Badr, Mohamed A. L. Badr Electrical Power and Machines Department, Faculty of Engineering, Ain Shams University, Cairo, 11517 EgyptSearch for more papers by this author First published: 19 January 2018 https://doi.org/10.1049/joe.2017.0595Citations: 19AboutSectionsPDF ToolsRequest permissionExport citationAdd to favoritesTrack citation ShareShare Give accessShare full text accessShare full-text accessPlease review our Terms and Conditions of Use and check box below to share full-text version of article.I have read and accept the Wiley Online Library Terms and Conditions of UseShareable LinkUse the link below to share a full-text version of this article with your friends and colleagues. Learn more.Copy URL Share a linkShare onFacebookTwitterLinkedInRedditWechat Abstract Photovoltaic (PV) systems are widely used for several many decades. They have become an important source for green energy and they are currently used in many applications. The PV industry has grown because of the improvements in the technology of converting light into electrical energy as well as the cost reduction. This project investigates the applications of crow search algorithm (CSA) in accurately identifying the PV module parameters. CSA is a novel population-based meta-heuristic optimiser based on the intelligence crows' exhibit in their behaviours, which helps them identify best location to state their catcher. In this study, the CSA is simulated using MATLAB environment and it is performed on the single diode and double diode PV models to estimate their parameters with minimum output power error. This error can be said to be the difference between the maximum output power and the calculated power output at a particular solar irradiance and cell temperature values. 1 Introduction Solar photovoltaic (PV) generators are parts of the renewable energy sources which are pollution free, noise free, long life, no moving parts, simple design and short installation time [1-4]. Solar cells transform the solar radiation incident on their surfaces to give a direct current electricity. Presently, the deployment and installation of PV generators is rapidly increasing and broadly serving as an effective source of green and clean energy in comparison to other electricity sources. Accurate parameters of the PV module equivalent circuit are required to study PV generator performance under the various operating conditions of temperature variations and solar irradiations. PV cells can be demonstrated by two common models: the single diode model and the double diode model [5]. The former is simpler and has quite a close performance to the latter. The single diode model contains the following five unknown parameters: the diode ideality factor (a), the photo-current (I PV), the saturation current (I o), the parallel connected resistance (R P) and the series connected resistance (R S) [6]. The three main parameters of the single diode PV model are: a, R P, and R S. Its remaining parameters I PV and I o can be derived from the model equations [3]. The four main parameters for the double diode model are: first diode factor (a 1), second diode factor (a 2), R P and R S [3], while the other parameters, the first PV current (I PV1), the second PV current (I PV2) and I o are calculated from the model equations [7]. This project presents a novel approach centred on the crow search algorithm (CSA) and it aims at ascertaining the module models' unknown parameters with high precision and fast convergence. The CSA is simulated using MATLAB environment. The cost function used with both models is the difference between the expected power and that calculated with CSA. Kyocera KC200GT solar module is used in both parameter identification cases [5]. 2 PV module models 2.1 Single diode model The equivalent circuit of the single diode model is shown in Fig. 1. The circuit consists of: a current source I PV, a diode, a parallel-connected resistance R P and a series-connected resistance R S [3]. Fig. 1Open in figure viewerPowerPoint Single diode model circuit The current–voltage (IV) characteristics of a PV module are mathematically expressed by this non-linear equation below [3]: (1) where V T denotes the thermo-electromotive force (EMF) of the PV module. N S denotes the numerical size of the PV cells wired in series. K stands for Boltzmann constant. T denotes the module's temperature (Kelvin), and q denotes the charge of an electron [8]. The IV characteristics give three combinations of I and V and its value, they are always provided by the PV module manufacturers on its datasheet. They are: the short circuit current I sc, the open circuit voltage V oc and the maximum power point MPP. I pv depends basically on the solar irradiance level and the ambient temperature, mathematically it is expressed as (2) where I PV.n is the photo-current produced by the PV cell at the nominal condition of irradiation of 1000 W/m2 and temperature 25 °C, K I is the cell's temperature coefficient for the short- circuit current, ΔT denotes the change in temperature from the value and the nominal value, G denotes the actual solar irradiation incident on the module's surface, G n denotes the solar irradiation incident at the normal conditions [9, 10]. I PV. n is shown in the following equation: (3) The saturation current of the diode I o is intensely temperature dependent and it can be approximately modelled using the following equation: (4) where I sc.n denotes the rated short-circuit current at nominal condition, V oc.n is open circuit voltage, K v denotes the short-circuit current temperature coefficient [11, 12]. From (2) and (4), it can be seen that the single diode PV model's three unknown parameters can be reduced to: a, R S and R P, while the other unknowns can be derived from the model equations [3, 13]. 2.2 Double diode model The double diode model can be represented by two diodes connected in series to increase voltage or in parallel to increase the current for more accurate representation of PV module. Such arrangements of PV modules are referred to as an array. The PV cell with two diodes model is electricity modelled as shown in Fig. 2. Fig. 2Open in figure viewerPowerPoint Double-diode model equivalent circuit of PV The PV module of double diode model is depicted in Fig. 2. The non-linear IV characteristic of the PV module, which has a non-linear form, can be expressed as (5) where I O1 and I O2 are the non-linear reverse current values of the two diodes. V T1 and V T2 are the thermal voltages (EMFs) of two diodes, a 1 and a 2 are the diodes constants. The four main parameters of double diode PV model are: a 1, a 2, R S and R P, while the other parameters are calculated from the model equations [14]. 3 Problem formulation The research challenge under study in this paper can be derived with the assumption that the maximum output power P max,m generated by the PV module [10] is consistent with the maximum experimental output power P max,e provided on the datasheet at the maximum power point [3, 10]. The goal of the formulated challenge is to reduce the 'power error'. The power error can be defined as the difference value between the desired reference power and the calculated maximum power [3]. It can be written as follows: (6) This research paper shows how the CSA technology is performed on an objective function with the 'power error'. This is done in order to determine the unknown parameters of the PV module models [3]. This error is defined as the difference between the references desired for power and the calculated maximum power [15]. 4 Crow search algorithm The CSA is a new optimisation method that tries to obtain an optimal solution from all the available and possible solutions [16]. It is instated the position of a run of N crows in the hunt space and the position of the memory of each crow. The procedure of optimisation of the CSA is as follows: Initialise problem and adjustable parameters of CSA flock size (N), maximum number of iterations, flight length and awareness probability (AP) are valued [16]. Initialise and evaluate the crow's position and memory as follows: Evaluate fitness (objective) function as follows: Generate new position. Check the feasibility of new positions [16]. Evaluate fitness function of new positions [16]. Update memory as follows: (7) Check termination criterion. When the termination criterion is the optimal position of the memory in terms of the objective function value is presented as the solution to the optimisation problem [16]. The flowchart of CSA approach is shown in Fig. 3. Fig. 3Open in figure viewerPowerPoint Flowchart of CSA for performing optimisation CSA is proposed in this paper. CSA is population-based enhancement calculation which has simple parameters, which thus makes attractive for applications, and the parameter is used to regulate the algorithm's diversity [16, 17]. The results of the CSA are compared with the results presented in the literature and most techniques have used direct control [16]. In this research study, the change in the CSA's fitness function value is less in comparison to the tolerance value already specified [3, 18]. 5 Simulation results The PV modules used in testing the CSA-based PV model are Kyocera multi-crystal KC200GT solar Cell [3, 19]. The typical electrical characteristics of these modules were observed at the standard test conditions (STC) (temperature of the module 25 °C, 1.5 air mass and 1000 W/m2 irradiance) [3]. 5.1 Single diode PV model According to the CSA presented in fourth section of this paper, the parameters that influence the performance of the CSA can be written as in Table 1. Table 1. Comparison of optimal values of unknown parameters at STC for single diode PV module Method I PV, A I O, A R S, Ω R P, Ω a iteration [19] 8.214 9.825×10−8 0.22 415.41 1.3 proposed SFLA [3] 8.214 7.506×10−8 0.23 405.26 1.28 proposed CSA 8.21 7.389×10−8 0.23 441.12 1.19 The proposed PV model based on CSA is validated by comparing the results of the simulations and the results of the experimental procedures under various environmental conditions [3]. The current versus voltage graph plots, power versus voltage graph plots and the data results of the experiments carried out on the KC200GT module at various temperature levels are shown in Figs. 4 a and b [3]. Fig. 4Open in figure viewerPowerPoint Data results of the simulations and the data results of the experiments carried out on the KC200GT module at the various temperature conditions, G = 1000 W/m2 a Current versus voltage graph plots b Power versus voltage graph plots Figs. 5 a and b show the results of the simulated proposed model and the data results of the experiments done on this PV module at various irradiance levels [3]. Fig. 5Open in figure viewerPowerPoint Results of the simulation and data results of the experiments done on the KC200GT PV module at different irradiance levels with the temperature constant at 25°C a Current versus voltage graph plots b Power versus voltage graph plots [3] This indicates the justification of the validity of the novel CSA-based PV model. This also shows that the simulation results of the proposed PV model using the CSA correlates closely with the experimental data [3]. Fig. 6 demonstrates a comparison of the absolute current error values for the KC200GT PV modules with iteration method: shuffled frog leaping algorithm (SFLA) method and CSA [3]. It can be seen clearly that the values of 'absolute current error' for the CSA-based PV model is lesser in comparison to the value for other PV models. Therefore, this proposed CSA model is superior to these models [3]. Fig. 6Open in figure viewerPowerPoint Absolute current error graph plot of the single diode model Fig. 7 presents the fitness function convergence for the single diode model. Fig. 7Open in figure viewerPowerPoint Fitness function convergence 5.2 Double diode PV model According to the CSA presented in Section 4 for a double diode PV model, the unknown parameters that influence the efficiency and accuracy of the CSA can be written as in Table 2. Table 2. Comparison of the optimal values of the unknown parameters of the proposed double diode model carried out under standard test conditions [3] Method GA CSA I PV, A 8.21 8.21 I O1, A 2.15×10−8 1.73×10−8 I O2, A 4.13×10−10 5.75×10−10 R S, Ω 0.3 0.02 R P, Ω 334 342.146 a 1 1.35 1.3009 a 2 1.3 1.2906 The proposed CSA-based model in double diode PV model was validated by the comparison of the results of the simulations with the results of the experiments done on the PV modules under various environmental conditions [3]. Figs. 8 a & b depict the current versus voltage graph plots, power versus voltage graph plots and the results of the experiments done on the KC200GT PV module at various temperature levels [3, 20-25]. Fig. 8Open in figure viewerPowerPoint Results of the simulation and data results of the experiments done on the KC200GT module at the various temperature levels [3], with irradiance constant at 1000 W/m2 a Current versus voltage graph plots b Power versus voltage graph plots for the double diode model [3] Figs. 9 a and b indicate the results of the simulated model and the data results from the experiments carried out on this PV module at various irradiance levels [3]. Fig. 9Open in figure viewerPowerPoint Results of the simulations and data results of the experiments carried out on the KC200GT module at the various irradiance levels [3], with the temperature constant at 25°C a Current versus voltage graph plots b Power versus voltage graph plots for double diode PV module [3] Fig. 10 indicates a comparison between the absolute current error value of KC200GT modules with the genetic algorithm (GA) method, iteration method of a double diode PV module and CSA [3]. Therefore, it can be concluded that the values of the absolute current error of other PV models are greater in comparison with the CSA-based model [3]. Fig. 11 presents the fitness function convergence for the double diode model. Fig. 10Open in figure viewerPowerPoint Absolute current error graphical plot of a double diode model Fig. 11Open in figure viewerPowerPoint Graph of fitness function convergence for double-diode PV model 6 Conclusion This paper has presented the CSA and its objective was to determine the unknown parameters of the two models for a PV module. The models are the single diode PV model and double diode model [3]. The goal of this research paper is to get the precise PV model that serves a great function in the studies and simulation of PV electricity generating systems [3]. The PV module is expressed by a mathematical model which is basically a non-linear current versus voltage characteristic. The model also has several parameters that are not known due to the datasheets limited information given by the module manufacturers [3]. It is worth knowing that the results of the simulations of the CSA-based PV model match the envisaged results and that the proposed model can be a valuable design basis for PV system designers [3, 7]. 7 References 1Hasanien H.M., Muyen S.M., Al-Durra A.: 'Gravitational search algorithm-based photovoltaic array reconfiguration for partial shading losses reduction'. IET Renewable Power Generation Conf., London, 2016 2Humada A.M., Hojabri M., Mekhilef S. et al.: 'Solar cell parameters extraction based on single and double-diode models: a review', Renew. Sustain. Energy Rev., 2016, 56, pp. 494 – 509 (doi: https://doi.org/10.1016/j.rser.2015.11.051) 3Hasanien H.M.: 'Shuffled frog leaping algorithm for photovoltaic model identification', IEEE Trans. Sustain. Energy, 2015, 6, (2), pp. 509 – 515 (doi: https://doi.org/10.1109/TSTE.2015.2389858) 4Tayyan A.A.E.: 'A simple method to extract the parameters of the single-diode model of a PV system', Turk. J. Phys., 2013, 37, pp. 121 – 131 5Askarzadeh A., Rezazadeh A.: 'Parameter identification for solar cell models using harmony search-based algorithms', Sol. Energy, 2012, 86, (11), pp. 3241 – 3249 (doi: https://doi.org/10.1016/j.solener.2012.08.018) 6Ismail M.S., Moghavvemi M., Mahlia T.M.I.: 'Characterization of PV panel and global optimization of its model parameters using genetic algorithm', Energy Convers. Manage., 2013, 73, pp. 10 – 25 (doi: https://doi.org/10.1016/j.enconman.2013.03.033) 7Ishaque K., Salam Z., Taheri H.: 'Simple, fast and accurate two-diode model for photovoltaic modules', Sol. Energy Mater. Sol. Cells, 2011, 95, (2), pp. 586 – 594 (doi: https://doi.org/10.1016/j.solmat.2010.09.023) 8Mahmoud Y.A., Xiao W., Zeineldin H.H.: 'A parameterization approach for enhancing PV model accuracy', IEEE Trans. Ind. Electron., 2013, 60, (12), pp. 5708 – 5716 (doi: https://doi.org/10.1109/TIE.2012.2230606) 9Hasanien H.M.: 'An adaptive control strategy for low voltage ride through capability enhancement of grid- connected photovoltaic power plants', IEEE Trans. Power Syst., 2016, 31, (4), pp. 3230 – 3237 (doi: https://doi.org/10.1109/TPWRS.2015.2466618) 10Fathadi H.: 'Lambert W function-based technique for tracking the maximum power point of PV modules connected in various configurations', Renew. Energy, 2015, 74, pp. 214 – 226 (doi: https://doi.org/10.1016/j.renene.2014.07.059) 11Rajasekar N., Krishna Kumar N., Venugopalan R.: 'Bacterial foraging algorithm based solar PV parameter estimation', Sol. Energy, 2013, 97, pp. 255 – 265 (doi: https://doi.org/10.1016/j.solener.2013.08.019) 12Oliva D., Cuevas E., Pajares G.: 'Parameter identification of solar cells using artificial bee colony optimization', Energy, 2014, 72, pp. 93 – 102 (doi: https://doi.org/10.1016/j.energy.2014.05.011) 13'PV Power Plants 2014 Industry Guide', Available at http://www.PVresurces.com 14 MATLAB: ' Release 2013a' ( The Math Works Press, Natick, MA, USA, 2013) 15Walker G.R.: 'Evaluating MPPT converter topologies using a Matlab PV model', Aust. J. Electr. Electron. Eng., 2001, 21, (1), p. 49 16Askarzadeh A.: 'A novel metaheuristic method for solving constrained engineering optimization problems crow search algorithm', Comput. Struct., 2016, 169, pp. 1 – 12 (doi: https://doi.org/10.1016/j.compstruc.2016.03.001) 17Rao R.V., Savsani V.J., Vakharia D.P.: 'Teaching–learning-based optimization: a novel method for constrained mechanical design optimization problems', Comput.-Aided Des., 2011, 43, (3), pp. 303 – 315 (doi: https://doi.org/10.1016/j.cad.2010.12.015) 18He S., Wu Q.H., Saunders J. R.: 'Group search optimizer: an optimization algorithm inspired by animal searching behavior', IEEE Trans. Evol. Comput., 2009, 13, (5), pp. 973 – 990 (doi: https://doi.org/10.1109/TEVC.2009.2011992) 19'KC200GT High Efficiency Multicrystalline Photovoltaic Module Datasheet. Kyocera', Available at http://www.kyocera.com. sg 20Villalva M.G., Gazoli J.R., Filho E.R.: 'Comprehensive approach to modeling and simulation of photovoltaic arrays', IEEE Trans. Power Electron., 2009, 24, (5), pp. 1198 – 1208 (doi: https://doi.org/10.1109/TPEL.2009.2013862) 21Sadollah A., Bahreininejad A., Eskandar H. et al.: 'Mine blast algorithm: a new population based algorithm for solving constrained engineering optimization problems', Appl. Soft Comput., 2013, 13, (5), pp. 2592 – 2612 (doi: https://doi.org/10.1016/j.asoc.2012.11.026) 22Ma J., Ting T.O., Man K.L. et al.: 'Parameter estimation of photovoltaic models via cuckoo search', J, Appl. Math., 2013, 2013 23El-Tayyan A.A.: 'PV system behavior based on datasheet', J. Electron Devices, 2011, 9, pp. 335 – 341 24'Photovoltaic Education Network', Available at http://www. pveducation.org. [Accessed 15 January 2014] 25 Matlab: ' Release 2015a' ( The Math Works Press, Natick, MA, USA, 2015) Citing Literature Volume2017, Issue132017Pages 1570-1575 FiguresReferencesRelatedInformation

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

مجلة الهندسة المجلد 2017، العدد 13 ص. 1570-1575 ArticleOpen Access Identification of the photovoltaic model parameters using the crow search algorithm Abeer Omar, Abeer Omar Electrical Power and Machines Department, Faculty of Engineering, Ain Shams University, Cairo, 11517 Egyptالبحث عن المزيد من الأوراق من قبل هذا المؤلفهاني م. حسنين، المؤلف المراسل هاني م. حسنين hanyhasanien@ieee.org قسم الطاقة الكهربائية والآلات، كلية الهندسة، جامعة عين شمس، القاهرة، 11517 Egyptالبحث عن المزيد من الأوراق من قبل هذا المؤلفمحمد أ. الجندي، محمد أ. الجندي كلية الهندسة الكهربائية والإلكترونية، جامعة نيوكاسل، نيوكاسل أبون تاين، NE1 7RU UKالبحث عن المزيد من الأبحاث لهذا المؤلفمحمد أ. ل. بدر، محمد أ. ل. بدر قسم الطاقة الكهربائية والآلات، كلية الهندسة، جامعة عين شمس، القاهرة، 11517 مصرالبحث عن المزيد من الأبحاث لهذا المؤلف عبير عمر، قسم الطاقة الكهربائية والآلات لعبير عمر، كلية الهندسة، جامعة عين شمس، القاهرة، 11517 مصرالبحث عن المزيد من الأبحاث لهذا المؤلفهاني م. حسنين، المؤلف المراسل هاني م. حسنين hanyhasanien@ieee.org قسم الطاقة الكهربائية والآلات، كلية الهندسة، جامعة عين شمس، القاهرة، 11517 مصرالبحث عن المزيد من الأبحاث لهذا المؤلفمحمد أ. Elgendy, Mohamed A. Elgendy School of Electrical and Electronic Engineering, Newcastle University, Newcastle upon Tyne, NE1 7RU UKSearch for more papers by this authorMohamed A. L. Badr, Mohamed A. L. Badr Electrical Power and Machines Department, Faculty of Engineering, Ain Shams University, Cairo, 11517 EgyptSearch for more papers by this author First published: 19 January 2018 https://doi.org/10.1049/joe.2017.0595Citations: 19AboutSectionsPDF ToolsRequest permissionExport citation Add to favouritesTrack citation ShareShare Give accessShare full text accessShare full - text accessPlease review our Terms and conditions of use box below to share full - text version of article.I have read and accept the Wiley Online Library Terms and Conditions of UseShareable LinkUse the link below to share a full - text version of this article with your friends and colleagues. اعرف المزيد .نسخ عنوان URL مشاركة الرابط مشاركة على FacebookTwitterLinkedInRedditWechat Abstract Photovoltaic (PV) تستخدم الأنظمة على نطاق واسع لعدة عقود. لقد أصبحت مصدرًا مهمًا للطاقة الخضراء وتستخدم حاليًا في العديد من التطبيقات. نمت صناعة الطاقة الكهروضوئية بسبب التحسينات في تقنية تحويل الضوء إلى طاقة كهربائية بالإضافة إلى خفض التكلفة. يبحث هذا المشروع في تطبيقات خوارزمية البحث عن الغراب (CSA) في تحديد معلمات الوحدة الكهروضوئية بدقة. CSA هو محسن استدلالي جديد قائم على السكان يعتمد على عرض الغربان الذكية في سلوكياتهم، مما يساعدهم على تحديد أفضل موقع لتحديد ماسكهم. في هذه الدراسة، تتم محاكاة CSA باستخدام بيئة MATLAB ويتم إجراؤها على نماذج الصمام الثنائي الفردي والصمام الثنائي الكهروضوئي لتقدير معلماتهما مع الحد الأدنى من خطأ طاقة الخرج. يمكن القول إن هذا الخطأ هو الفرق بين طاقة الخرج القصوى وخرج الطاقة المحسوب عند إشعاع شمسي معين وقيم درجة حرارة الخلية. 1 مقدمة مولدات الطاقة الشمسية الكهروضوئية (PV) هي أجزاء من مصادر الطاقة المتجددة الخالية من التلوث، وخالية من الضوضاء، وطويلة العمر، ولا توجد أجزاء متحركة، وتصميم بسيط ووقت تركيب قصير [1-4]. تقوم الخلايا الشمسية بتحويل الإشعاع الشمسي الساقط على أسطحها لإعطاء تيار كهربائي مستمر. في الوقت الحاضر، يتزايد نشر وتركيب المولدات الكهروضوئية بسرعة وتعمل على نطاق واسع كمصدر فعال للطاقة الخضراء والنظيفة مقارنة بمصادر الكهرباء الأخرى. مطلوب معلمات دقيقة للدائرة المكافئة للوحدة الكهروضوئية لدراسة أداء المولد الكهروضوئي في ظل ظروف التشغيل المختلفة لتغيرات درجة الحرارة والإشعاعات الشمسية. يمكن إظهار الخلايا الكهروضوئية من خلال نموذجين شائعين: نموذج الصمام الثنائي الفردي ونموذج الصمام الثنائي المزدوج [5]. الأول أبسط ولديه أداء قريب جدًا من الأخير. يحتوي نموذج الصمام الثنائي الفردي على المعلمات الخمسة التالية غير المعروفة: عامل مثالية الصمام الثنائي (أ)، والتيار الضوئي (I PV)، وتيار التشبع (I o)، والمقاومة المتوازية المتصلة (R P) والمقاومة المتسلسلة المتصلة (R S) [6]. المعلمات الرئيسية الثلاثة للنموذج الكهروضوئي أحادي الصمام هي: a و R P و R S. يمكن اشتقاق المعلمات المتبقية I PV و I o من معادلات النموذج [3]. المعلمات الرئيسية الأربعة لنموذج الصمام الثنائي المزدوج هي: عامل الصمام الثنائي الأول (أ 1)، عامل الصمام الثنائي الثاني (أ 2)، R P و R S [3]، بينما يتم حساب المعلمات الأخرى، التيار الكهروضوئي الأول (I PV1)، التيار الكهروضوئي الثاني (I PV2) و I o من معادلات النموذج [7]. يقدم هذا المشروع نهجًا جديدًا يركز على خوارزمية البحث عن الغراب (CSA) ويهدف إلى التأكد من المعلمات غير المعروفة لنماذج الوحدة بدقة عالية وتقارب سريع. تتم محاكاة CSA باستخدام بيئة MATLAB. دالة التكلفة المستخدمة مع كلا النموذجين هي الفرق بين الطاقة المتوقعة وتلك المحسوبة مع CSA. تُستخدم وحدة كيوسيرا KC200GT الشمسية في كلتا حالتي تحديد المعلمات [5]. 2 نماذج الوحدة الكهروضوئية 2.1 نموذج الصمام الثنائي المفرد تظهر الدائرة المكافئة لنموذج الصمام الثنائي المفرد في الشكل. 1. تتكون الدائرة من: مصدر تيار I PV، صمام ثنائي، مقاومة متصلة بالتوازي R P ومقاومة متصلة بالتسلسل R S [3]. الشكل 1 مفتوح في عارض الشكلدائرة نموذج الصمام الثنائي المفرد PowerPoint يتم التعبير عن خصائص الجهد الحالي (IV) للوحدة الكهروضوئية رياضياً من خلال هذه المعادلة غير الخطية أدناه [3]: (1) حيث يشير V T إلى القوة الحرارية الكهربائية الدافعة (EMF) للوحدة الكهروضوئية. يشير N S إلى الحجم العددي للخلايا الكهروضوئية السلكية على التوالي. K ترمز إلى ثابت بولتزمان. تشير T إلى درجة حرارة الوحدة (كلفن)، وتشير q إلى شحنة الإلكترون [8]. تعطي خصائص IV ثلاث مجموعات من I و V وقيمتها، ويتم توفيرها دائمًا من قبل الشركات المصنعة للوحدات الكهروضوئية في ورقة البيانات الخاصة بها. وهي: تيار الدائرة القصيرة I sc، وجهد الدائرة المفتوحة V oc والحد الأقصى لنقطة الطاقة MPP. يعتمد I pv بشكل أساسي على مستوى الإشعاع الشمسي ودرجة الحرارة المحيطة، ويتم التعبير عنه رياضياً على أنه (2) حيث I PV.n هو التيار الضوئي الذي تنتجه الخلية الكهروضوئية في الحالة الاسمية للإشعاع 1000 واط/م 2 ودرجة الحرارة 25 درجة مئوية، K I هو معامل درجة حرارة الخلية لتيار الدائرة القصيرة، ΔT يدل على التغير في درجة الحرارة من القيمة والقيمة الاسمية، G يدل على حادث الإشعاع الشمسي الفعلي على سطح الوحدة، G n يدل على حادث الإشعاع الشمسي في الظروف العادية [9، 10]. يظهر I pv.n في المعادلة التالية: (3) يعتمد تيار تشبع الصمام الثنائي I o بشكل مكثف على درجة الحرارة ويمكن نمذجته تقريبًا باستخدام المعادلة التالية: (4) حيث يشير I sc.n إلى تيار الدائرة القصيرة المقدر في الحالة الاسمية، V oc.n هو جهد الدائرة المفتوحة، ويدل K v على معامل درجة حرارة تيار الدائرة القصيرة [11، 12]. من (2) و (4)، يمكن ملاحظة أنه يمكن تقليل المعلمات الثلاثة غير المعروفة لنموذج الصمام الثنائي الفردي إلى: a و R S و R P، في حين يمكن اشتقاق المجهولات الأخرى من معادلات النموذج [3، 13]. 2.2 نموذج الصمام الثنائي المزدوج يمكن تمثيل نموذج الصمام الثنائي المزدوج بصمامين ثنائيين متصلين على التوالي لزيادة الجهد أو بالتوازي لزيادة التيار لتمثيل أكثر دقة للوحدة الكهروضوئية. يشار إلى هذه الترتيبات للوحدات الكهروضوئية على أنها مصفوفة. الخلية الكهروضوئية بنموذج ثنائي الصمامات هي الكهرباء المنمذجة كما هو موضح في الشكل. 2. الشكل 2 مفتوح في عارض الشكل نموذج باور بوينت ثنائي الصمام دائرة مكافئة من PV يتم تصوير الوحدة الكهروضوئية لنموذج الصمام الثنائي المزدوج في الشكل. 2. يمكن التعبير عن الخاصية الوريدية غير الخطية للوحدة الكهروضوئية، والتي لها شكل غير خطي، على أنها (5) حيث I O1 و I O2 هما قيم التيار العكسي غير الخطي للصمامين الثنائيين. V T1 و V T2 هما الفولتية الحرارية (EMFs) لاثنين من الصمامات الثنائية، و 1 و 2 هما ثوابت الصمامات الثنائية. المعلمات الرئيسية الأربعة لنموذج PV ثنائي الصمام هي: a 1 و a 2 و R S و R P، بينما يتم حساب المعلمات الأخرى من معادلات النموذج [14]. 3 صياغة المشكلة يمكن اشتقاق التحدي البحثي قيد الدراسة في هذه الورقة مع افتراض أن الحد الأقصى لقدرة الخرج P max،m الناتجة عن الوحدة الكهروضوئية [10] يتوافق مع الحد الأقصى لقدرة الخرج التجريبية P max،e المقدمة على ورقة البيانات عند الحد الأقصى لنقطة القدرة [3، 10]. الهدف من التحدي المصاغ هو تقليل "خطأ الطاقة". يمكن تعريف خطأ الطاقة على أنه قيمة الفرق بين الطاقة المرجعية المطلوبة والحد الأقصى المحسوب للطاقة [3]. يمكن كتابتها على النحو التالي: (6) توضح هذه الورقة البحثية كيفية تنفيذ تقنية CSA على وظيفة موضوعية مع "خطأ الطاقة". يتم ذلك من أجل تحديد المعلمات غير المعروفة لنماذج الوحدات الكهروضوئية [3]. يتم تعريف هذا الخطأ على أنه الفرق بين المراجع المطلوبة للطاقة والحد الأقصى المحسوب للطاقة [15]. 4 خوارزمية بحث الغراب CSA هي طريقة تحسين جديدة تحاول الحصول على الحل الأمثل من جميع الحلول المتاحة والممكنة [16]. يتم تثبيت موضع تشغيل N الغربان في مساحة الصيد وموضع ذاكرة كل غراب. إجراء تحسين CSA هو كما يلي: تهيئة المشكلة والمعلمات القابلة للتعديل لحجم قطيع CSA (N)، والحد الأقصى لعدد التكرارات، وطول الرحلة واحتمال الوعي (AP) يتم تقييمها [16]. تهيئة وتقييم وضع الغراب وذاكرته على النحو التالي: تقييم وظيفة اللياقة البدنية (الهدف) على النحو التالي: توليد وضع جديد. تحقق من جدوى الوظائف الجديدة [16]. تقييم وظيفة اللياقة البدنية للوظائف الجديدة [16]. قم بتحديث الذاكرة على النحو التالي: (7) تحقق من معيار الإنهاء. عندما يكون معيار الإنهاء هو الموضع الأمثل للذاكرة من حيث قيمة الوظيفة الموضوعية، يتم تقديمه كحل لمشكلة التحسين [16]. يظهر المخطط الانسيابي لنهج CSA في الشكل. 3. الشكل 3 تم اقتراح مخطط انسيابي لـ CSA مفتوح في عارض الشكل لأداء CSA الأمثل في هذه الورقة. CSA هو حساب تعزيز قائم على السكان والذي يحتوي على معلمات بسيطة، مما يجعله جذابًا للتطبيقات، ويتم استخدام المعلمة لتنظيم تنوع الخوارزمية [16، 17]. تتم مقارنة نتائج CSA بالنتائج المقدمة في الأدبيات وتستخدم معظم التقنيات التحكم المباشر [16]. في هذه الدراسة البحثية، يكون التغيير في قيمة وظيفة اللياقة البدنية في CSA أقل مقارنة بقيمة التسامح المحددة بالفعل [3، 18]. 5 نتائج المحاكاة الوحدات الكهروضوئية المستخدمة في اختبار النموذج الكهروضوئي القائم على CSA هي خلية كيوسيرا الشمسية متعددة البلورات KC200GT [3، 19]. لوحظت الخصائص الكهربائية النموذجية لهذه الوحدات في ظروف الاختبار القياسية (STC) (درجة حرارة الوحدة 25 درجة مئوية، 1.5 كتلة هوائية و 1000 واط/متر مربع من الإشعاع) [3]. 5.1 نموذج PV أحادي الصمام وفقًا لـ CSA المقدم في القسم الرابع من هذه الورقة، يمكن كتابة المعلمات التي تؤثر على أداء CSA كما في الجدول 1. الجدول 1. مقارنة القيم المثلى للمعلمات غير المعروفة في STC للوحدة الكهروضوئية أحادية الصمام الطريقة I PV، A I O، A R S، Ω R P، Ω a التكرار [19] 8.214 9.825 ×10−8 0.22 415.41 1.3 SFLA المقترحة [3] 8.214 7.506 ×10−8 0.23 405.26 1.28 CSA المقترحة 8.21 7.389 ×10−8 0.23 441.12 1.19 يتم التحقق من صحة النموذج الكهروضوئي المقترح القائم على CSA من خلال مقارنة نتائج المحاكاة ونتائج الإجراءات التجريبية في ظل ظروف بيئية مختلفة [3]. يتم عرض مخططات الرسم البياني للتيار مقابل الجهد، ومخططات الرسم البياني للقدرة مقابل الجهد ونتائج البيانات للتجارب التي أجريت على وحدة KC200GT عند مستويات درجة حرارة مختلفة في الشكلين 4 أ و ب [3]. الشكل 4 مفتوح في عارض الشكل نتائج بيانات PowerPoint لعمليات المحاكاة ونتائج البيانات للتجارب التي أجريت على وحدة KC200GT في ظروف درجات الحرارة المختلفة، G = 1000 واط/م 2 أ مخططات الرسم البياني للتيار مقابل الجهد ب مخططات الرسم البياني للقدرة مقابل الجهد الشكلان 5 أ و ب يوضحان نتائج النموذج المقترح المحاكي ونتائج البيانات للتجارب التي أجريت على هذه الوحدة الكهروضوئية على مستويات الإشعاع المختلفة [3]. الشكل 5 افتح في عارض الشكل نتائج باور بوينت للمحاكاة ونتائج البيانات للتجارب التي أجريت على وحدة KC200GT الكهروضوئية عند مستويات إشعاع مختلفة مع درجة حرارة ثابتة عند 25 درجة مئوية مخططات الرسم البياني الحالية مقابل الجهد ب مخططات الرسم البياني للطاقة مقابل الجهد [3] يشير هذا إلى تبرير صحة النموذج الكهروضوئي الجديد القائم على CSA. يوضح هذا أيضًا أن نتائج المحاكاة للنموذج الكهروضوئي المقترح باستخدام CSA ترتبط ارتباطًا وثيقًا بالبيانات التجريبية [3]. يوضح الشكل 6 مقارنة قيم خطأ التيار المطلق لوحدات KC200GT الكهروضوئية مع طريقة التكرار: طريقة خوارزمية قفز الضفدع المخلوط (SFLA) و CSA [3]. يمكن أن نرى بوضوح أن قيم "الخطأ الحالي المطلق" للنموذج الكهروضوئي القائم على CSA أقل مقارنة بقيمة النماذج الكهروضوئية الأخرى. لذلك، فإن نموذج CSA المقترح هذا متفوق على هذه النماذج [3]. الشكل 6 يعرض الرسم البياني المفتوح في عارض الشكل مخطط الخطأ الحالي المطلق لنموذج الصمام الثنائي المفرد يعرض الشكل 7 تقارب وظيفة اللياقة لنموذج الصمام الثنائي المفرد. الشكل 7 يمكن كتابة المعلمات غير المعروفة التي تؤثر على كفاءة ودقة CSA كما في الجدول 2. الجدول 2. مقارنة القيم المثلى للمعلمات غير المعروفة لنموذج الصمام الثنائي المزدوج المقترح المنفذ في ظل ظروف الاختبار القياسية [3] الطريقة GA CSA I PV، A 8.21 8.21 I O1، A 2.15×10−8 1.73×10−8 I O2، A 4.13×10−10 5.75×10−10 R S، Ω 0.3 0.02 R P، Ω 334 342.146 a 1 1.35 1.3009 a 2 1.3906 تم التحقق من صحة النموذج القائم على CSA في نموذج الصمام الثنائي الكهروضوئي من خلال مقارنة نتائج المحاكاة مع نتائج التجارب التي أجريت على الوحدات الكهروضوئية في ظل ظروف بيئية مختلفة [3]. الشكلان 8 أ و ب يصوران مخططات الرسم البياني للتيار مقابل الجهد، ومخططات الرسم البياني للقدرة مقابل الجهد ونتائج التجارب التي أجريت على وحدة KC200GT الكهروضوئية عند مستويات درجة حرارة مختلفة [3، 20-25]. الشكل 8 مفتوح في عارض الشكل تشير نتائج المحاكاة ونتائج البيانات للتجارب التي أجريت على وحدة KC200GT عند مستويات درجات الحرارة المختلفة [3]، مع ثابت الإشعاع عند 1000 واط/م 2 أ مخططات الرسم البياني للتيار مقابل الجهد ب مخططات الرسم البياني للطاقة مقابل الجهد لنموذج الصمام الثنائي المزدوج [3] الشكلان 9 أ و ب إلى نتائج النموذج المحاكي ونتائج البيانات من التجارب التي أجريت على هذه الوحدة الكهروضوئية على مستويات الإشعاع المختلفة [3]. الشكل 9 مفتوح في عارض الشكل تشير نتائج المحاكاة ونتائج البيانات للتجارب التي أجريت على وحدة KC200GT على مستويات الإشعاع المختلفة [3]، مع ثابت درجة الحرارة عند 25 درجة مئوية أ مخططات الرسم البياني للتيار مقابل الجهد ب مخططات الرسم البياني للقدرة مقابل الجهد لوحدة الصمام الثنائي الكهروضوئية [3] الشكل 10 إلى مقارنة بين قيمة الخطأ الحالية المطلقة لوحدات KC200GT مع طريقة الخوارزمية الجينية (GA)، وطريقة التكرار لوحدة الصمام الثنائي الكهروضوئية و CSA [3]. لذلك، يمكن استنتاج أن قيم الخطأ الحالي المطلق للنماذج الكهروضوئية الأخرى أكبر مقارنة بالنموذج القائم على CSA [3]. يعرض الشكل 11 تقارب وظيفة اللياقة البدنية لنموذج الصمام الثنائي المزدوج. الشكل 10 عارض الأشكال مفتوحPowerPoint مخطط رسومي لخطأ التيار المطلق لنموذج الصمام الثنائي المزدوج الشكل 11 Open in figure viewerPowerPoint Graph of fitness function convergence for double - diode PV model 6 Conclusion قدمت هذه الورقة CSA وكان هدفها تحديد المعلمات غير المعروفة للنموذجين لوحدة PV. النماذج هي نموذج الصمام الثنائي الكهروضوئي الفردي ونموذج الصمام الثنائي المزدوج [3]. الهدف من هذه الورقة البحثية هو الحصول على النموذج الكهروضوئي الدقيق الذي يخدم وظيفة كبيرة في دراسات ومحاكاة أنظمة توليد الكهرباء الكهروضوئية [3]. يتم التعبير عن الوحدة الكهروضوئية من خلال نموذج رياضي وهو في الأساس خاصية تيار غير خطي مقابل الجهد. يحتوي النموذج أيضًا على العديد من المعلمات غير المعروفة بسبب المعلومات المحدودة لأوراق البيانات المقدمة من الشركات المصنعة للوحدات [3]. تجدر الإشارة إلى أن نتائج عمليات محاكاة النموذج الكهروضوئي القائم على CSA تتطابق مع النتائج المتوخاة وأن النموذج المقترح يمكن أن يكون أساسًا قيّمًا لتصميم مصممي الأنظمة الكهروضوئية [3، 7]. 7 المراجع 1Hasanien H.M., Muyen S.M., Al - Durra A.: "إعادة تشكيل المصفوفة الكهروضوئية القائمة على خوارزمية البحث الجاذبية لتقليل خسائر التظليل الجزئي". مؤتمر IET لتوليد الطاقة المتجددة.، لندن، 2016 2Humada AM، Hojabri M.، Mekhilef S. et al.: "استخراج معلمات الخلايا الشمسية بناءً على نماذج أحادية وثنائية الصمام: مراجعة"، تجديد. Sustain. Energy Rev., 2016, 56, pp. 494 – 509 (doi: https://doi.org/10.1016/j.rser.2015.11.051) 3Hasanien H.M.: "خوارزمية قفز الضفدع المخفوق لتحديد النموذج الكهروضوئي", IEEE Trans. Sustain. Energy, 2015, 6, (2), pp. 509 – 515 (doi: https://doi.org/10.1109/TSTE.2015.2389858) 4Tayyan A.A.E.: 'A simple method to extract the parameters of the single - diode model of a PV system', Turk. J. Phys., 2013, 37, pp. 121 – 131 5 Askarzadeh A., Rezazadeh A.: 'Parameter identification for solar cell models using HARMONY search - based algorithms', Sol. Energy, 2012, 86, (11), pp. 3241 – 3249 (doi: https://doi.org/10.1016/j.solener.2012.08.018) 6 Ismail M.S., Moghavvemi M., Mahlia T.M.I.: "توصيف اللوحة الكهروضوئية والتحسين العالمي لمعلمات نموذجها باستخدام الخوارزمية الجينية", Energy Convers. Manage., 2013, 73, pp. 10 – 25 (doi: https://doi.org/10.1016/j.enconman.2013.03.033) 7Ishaque K., Salam Z., Taheri H.: 'Simple, fast and accurate two - diode model for photovoltaic modules', Sol. Energy Mater. Sol. Cells, 2011, 95, (2), pp. 586 – 594 (doi: https://doi.org/10.1016/j.solmat.2010.09.023) 8Mahmoud Y.A., Xiao W., Zeineldin H.H.: 'A parameterization approach for enhance PV model accuracy', IEEE Trans. Ind. Electron., 2013, 60, (12), pp. 5708 – 5716 (doi: https://doi.org/10.1109/TIE.2012.2230606) 9Hasanien H.M.: "استراتيجية تحكم تكيفية لركوب الجهد المنخفض من خلال تعزيز قدرة محطات الطاقة الكهروضوئية المتصلة بالشبكة"، IEEE Trans. نظام الطاقة.، 2016، 31، (4)، الصفحات 3230 – 3237 (DOI: https://doi.org/10.1109/TPWRS.2015.2466618) 10Fathadi H.: "تقنية لامبرت دبليو القائمة على الوظيفة لتتبع الحد الأقصى لنقطة الطاقة للوحدات الكهروضوئية المتصلة في تكوينات مختلفة"، تجديد. Energy, 2015, 74, pp. 214 – 226 (doi: https://doi.org/10.1016/j.renene.2014.07.059) 11Rajasekar N., Krishna Kumar N., Venugopalan R.: 'Bacterial foraging algorithm based solar PV parameter estimation', Sol. Energy, 2013, 97, pp. 255 – 265 (doi: https://doi.org/10.1016/j.solener.2013.08.019) 12Oliva D., Cuevas E., Pajares G.: 'Parameter identification of solar cells using artificial bee colony optimization', Energy, 2014, 72, pp. 93 – 102 (doi: https://doi.org/10.1016/j.energy.2014.05.011) 13'PV Power Plants 2014 Industry Guide', Available at http://www.PVresurces.com 14 MATLAB: ' Release 2013a' ( The Math Works Press, Natick, MA, USA, 2013) 15Walker G.R: 'Evaluating MPPT Converter topologies using a Matlab PV model', Aust. J. Electr. Electron. Eng., 2001, 21, (1), p. 49 16 عسكر زاده أ.: "طريقة ميتاهوريستية جديدة لحل مشاكل التحسين الهندسي المقيدة خوارزمية البحث عن الغربان"، كومبوت. Struct., 2016, 169, pp. 1 – 12 (doi: https://doi.org/10.1016/j.compstruc.2016.03.001) 17Rao R.V., Savsani V.J., Vakharia D.P.: "التحسين القائم على التدريس والتعلم: طريقة جديدة لمشاكل تحسين التصميم الميكانيكي المقيدة", Comput.- Aided Des., 2011, 43, (3), pp. 303 – 315 (doi: https://doi.org/10.1016/j.cad.2010.12.015) 18He S., Wu Q.H., Saunders J. R.: 'Group search optimizer: an optimization algorithm inspired by animal search behavior', IEEE Trans. Evol. Comput., 2009, 13, (5), pp. 973 – 990 (doi: https://doi.org/10.1109/TEVC.2009.2011992) 19'KC200GT High Efficiency Multicrystalline Photovoltaic Module Datasheet. كيوسيرا"، متاح على http://www.kyocera.com. sg 20Villalva M.G.، Gazoli J.R.، Filho E.R.: " نهج شامل لنمذجة ومحاكاة المصفوفات الكهروضوئية "، IEEE Trans. Power Electron., 2009, 24, (5), pp. 1198 – 1208 (doi: https://doi.org/10.1109/TPEL.2009.2013862) 21Sadullah A., Bahreininejad A., Eskandar H. et al.: "خوارزمية انفجار الألغام: خوارزمية جديدة قائمة على السكان لحل مشاكل التحسين الهندسي المقيدة"، Appl. Soft Comput., 2013, 13, (5), pp. 2592 – 2612 (doi: https://doi.org/10.1016/j.asoc.2012.11.026) 22Ma J., Ting T.O., Man K.L. et al.: "تقدير المعلمة للنماذج الكهروضوئية عبر البحث عن الوقواق"، J، Appl. Math., 2013, 2013 23El - Tayyan A.A.: 'PV system behavior based on datasheet', J. Electron Devices, 2011, 9, pp. 335 – 341 24'Photovoltaic Education Network', Available at http :// www. pveducation.org. [تم الوصول إليه في 15 يناير 2014] 25 ماتلاب: " الإصدار 2015 أ" (مطبعة أعمال الرياضيات، ناتيك، ماساتشوستس، الولايات المتحدة الأمريكية، 2015) نقلاً عن مجلد الأدب 2017، العدد 132017 الصفحات 1570-1575 الأرقام المراجع المعلومات ذات الصلة

Translated Description (French)

The Journal of EngineeringVolume 2017, Issue 13 p. 1570-1575 ArticleOpen Access Identification of the photovoltaic model parameters using the crow search algorithm Abeer Omar, Abeer Omar Electrical Power and Machines Department, Faculty of Engineering, Ain Shams University, Cairo, 11517 EgyptSearch for more papers by this authorHany M. Hasanien, Corresponding Author Hany M. Hasanien hanyhasanien@ieee.org Electrical Power and Machines Department, Faculty of Engineering, Ain Shams University, Cairo, 11517 EgyptSearch for more papers by this authorMohamed A. Elgendy, Mohamed A. Elgendy School of Electrical and Electronic Engineering, Newcastle University, Newcastle upon Tyne, NE1 7RU UKRechercher d'autres articles de cet auteurMohamed A. L. Badr, Mohamed A. L. Badr Département d'électricité et de machines, Faculté de génie, Université Ain Shams, Le Caire, 11517 ÉgypteRechercher d'autres articles de cet auteur Abeer Omar, Département d'électricité et de machines Abeer Omar, Faculté de génie, Université Ain Shams, Le Caire, 11517 ÉgypteRechercher d'autres articles de cet auteurHany M. Hasanien, Auteur correspondant Hany M. Hasanien hanyhasanien@ieee.org Département d'électricité et de machines, Faculté de génie, Université Ain Shams, Le Caire, 11517 ÉgypteRechercher d'autres articles de cet auteurMohamed A. Elgendy, Mohamed A. Elgendy School of Electrical and Electronic Engineering, Newcastle University, Newcastle upon Tyne, NE1 7RU UKSearch for more papers by this authorMohamed A. L. Badr, Mohamed A. L. Badr Electrical Power and Machines Department, Faculty of Engineering, Ain Shams University, Cairo, 11517 EgyptSearch for more papers by this author First published : 19 January 2018 https://doi.org/10.1049/joe.2017.0595Citations : 19AboutSectionsPDF ToolsRequest permissionExport citationAdd to favoritesTrack citation ShareShare Give accessShare full text accessShare full-text accessPlease review our Terms and Terms of Use and check box below to share full-text version of article.I have read and accept the Wiley Online Library Terms and Conditions of UseShareable LinkUse the link below to share a full-text version of this article with your friends and colleagues. En savoir plus.Copy URL Partager un lienPartager surFacebookTwitterLinkedInRedditWechat Les systèmes photovoltaïques abstraits (PV) sont largement utilisés depuis plusieurs décennies. Ils sont devenus une source importante d'énergie verte et sont actuellement utilisés dans de nombreuses applications. L'industrie photovoltaïque s'est développée en raison des améliorations apportées à la technologie de conversion de la lumière en énergie électrique ainsi que de la réduction des coûts. Ce projet étudie les applications de l'algorithme de recherche Crow (CSA) pour identifier avec précision les paramètres du module PV. CSA est un nouvel optimiseur méta-heuristique basé sur la population basé sur l'exposition des corbeaux de l'intelligence dans leurs comportements, ce qui les aide à identifier le meilleur emplacement pour indiquer leur attrapeur. Dans cette étude, le CSA est simulé en utilisant l'environnement Matlab et il est effectué sur les modèles PV à diode unique et à double diode pour estimer leurs paramètres avec une erreur de puissance de sortie minimale. Cette erreur peut être considérée comme la différence entre la puissance de sortie maximale et la puissance de sortie calculée à des valeurs particulières d'irradiance solaire et de température de cellule. 1 Introduction Les générateurs solaires photovoltaïques (PV) font partie des sources d'énergie renouvelables qui sont sans pollution, sans bruit, longue durée de vie, sans pièces mobiles, de conception simple et de temps d'installation court [1-4]. Les cellules solaires transforment le rayonnement solaire incident sur leurs surfaces pour donner une électricité en courant continu. Actuellement, le déploiement et l'installation de générateurs photovoltaïques augmentent rapidement et servent généralement de source efficace d'énergie verte et propre par rapport à d'autres sources d'électricité. Des paramètres précis du circuit équivalent du module PV sont nécessaires pour étudier les performances du générateur PV dans les différentes conditions de fonctionnement des variations de température et des irradiations solaires. Les cellules photovoltaïques peuvent être démontrées par deux modèles communs : le modèle à diode unique et le modèle à double diode [5]. Le premier est plus simple et a une performance assez proche du second. Le modèle à diode unique contient les cinq paramètres inconnus suivants : le facteur d'idéalité de diode (a), le photo-courant (I PV), le courant de saturation (I o), la résistance connectée en parallèle (R P) et la résistance connectée en série (R S) [6]. Les trois principaux paramètres du modèle PV à diode unique sont : a, R P et R S. Ses paramètres restants I PV et I o peuvent être dérivés des équations du modèle [3]. Les quatre paramètres principaux pour le modèle à double diode sont : le premier facteur de diode (a 1), le deuxième facteur de diode (a 2), R P et R S [3], tandis que les autres paramètres, le premier courant PV (I PV1), le deuxième courant PV (I PV2) et I o sont calculés à partir des équations du modèle [7]. Ce projet présente une nouvelle approche centrée sur l'algorithme de recherche Crow (CSA) et vise à déterminer les paramètres inconnus des modèles de module avec une grande précision et une convergence rapide. Le CSA est simulé à l'aide de l'environnement Matlab. La fonction de coût utilisée avec les deux modèles est la différence entre la puissance attendue et celle calculée avec CSA. Le module solaire Kyocera KC200GT est utilisé dans les deux cas d'identification des paramètres [5]. 2 Modèles de modules PV 2.1 Modèle à diode unique Le circuit équivalent du modèle à diode unique est illustré à la Fig. 1. Le circuit se compose : d'une source de courant I PV, d'une diode, d'une résistance en parallèle R P et d'une résistance en série R S [3]. Fig. 1Ouvrir sur la figure viewerPowerPoint Circuit modèle à diode unique Les caractéristiques courant-tension (IV) d'un module PV sont mathématiquement exprimées par cette équation non linéaire ci-dessous [3] : (1) où V T désigne la force thermo-électromotrice (EMF) du module PV. N S désigne la taille numérique des cellules PV câblées en série. K signifie constante de Boltzmann. T désigne la température du module (Kelvin), et q désigne la charge d'un électron [8]. Les caractéristiques IV donnent trois combinaisons de I et V et sa valeur, elles sont toujours fournies par les fabricants de modules PV sur sa fiche technique. Il s'agit du courant de court-circuit I sc, de la tension en circuit ouvert V oc et du point de puissance maximale MPP. I pv dépend fondamentalement du niveau d'irradiation solaire et de la température ambiante, mathématiquement il est exprimé comme (2) où I PV.n est le photo-courant produit par la cellule PV à la condition nominale d'irradiation de 1000 W/m2 et à la température de 25 °C, K I est le coefficient de température de la cellule pour le courant de court-circuit, ΔT désigne le changement de température par rapport à la valeur et à la valeur nominale, G désigne l'incidence réelle de l'irradiation solaire sur la surface du module, G n désigne l'incidence de l'irradiation solaire dans les conditions normales [9, 10]. I PV. n est représenté dans l'équation suivante : (3) Le courant de saturation de la diode I o dépend intensément de la température et il peut être modélisé approximativement à l'aide de l'équation suivante : (4) où I sc.n désigne le courant de court-circuit nominal à l'état nominal, V oc.n est la tension de circuit ouvert, K v désigne le coefficient de température du courant de court-circuit [11, 12]. De (2) et (4), on peut voir que les trois paramètres inconnus du modèle PV à diode unique peuvent être réduits à : a, R S et R P, tandis que les autres inconnues peuvent être dérivées des équations du modèle [3, 13]. 2.2 Modèle à double diode Le modèle à double diode peut être représenté par deux diodes connectées en série pour augmenter la tension ou en parallèle pour augmenter le courant pour une représentation plus précise du module PV. De tels agencements de modules photovoltaïques sont appelés un réseau. Le modèle de cellule photovoltaïque à deux diodes est l'électricité modélisée comme le montre la Fig. 2. Fig. 2Open in figure viewerPowerPoint Double-diode model equivalent circuit of PV The PV module of double diode model is represented in Fig. 2. La caractéristique IV non linéaire du module PV, qui a une forme non linéaire, peut être exprimée comme (5) où I O1 et I O2 sont les valeurs de courant inverse non linéaire des deux diodes. V T1 et V T2 sont les tensions thermiques (EMF) de deux diodes, a 1 et a 2 sont les constantes des diodes. Les quatre principaux paramètres du modèle PV à double diode sont : a 1, a 2, R S et R P, tandis que les autres paramètres sont calculés à partir des équations du modèle [14]. 3 Formulation du problème Le défi de recherche à l'étude dans cet article peut être dérivé en supposant que la puissance de sortie maximale P max,m générée par le module PV [10] est compatible avec la puissance de sortie expérimentale maximale P max,e fournie sur la fiche technique au point de puissance maximale [3, 10]. L'objectif du défi formulé est de réduire l '« erreur de puissance ». L'erreur de puissance peut être définie comme la valeur de différence entre la puissance de référence souhaitée et la puissance maximale calculée [3]. Il peut être écrit comme suit : (6) Ce document de recherche montre comment la technologie CSA est exécutée sur une fonction objective avec l '« erreur de puissance ». Ceci est fait afin de déterminer les paramètres inconnus des modèles de modules PV [3]. Cette erreur est définie comme la différence entre les références souhaitées pour la puissance et la puissance maximale calculée [15]. Algorithme de recherche 4 Crow Le CSA est une nouvelle méthode d'optimisation qui tente d'obtenir une solution optimale à partir de toutes les solutions disponibles et possibles [16]. Il est établi la position d'une course de corbeaux N dans l'espace de chasse et la position de la mémoire de chaque corbeau. La procédure d'optimisation du CSA est la suivante : Le problème d'initialisation et les paramètres réglables de la taille du troupeau CSA (N), du nombre maximal d'itérations, de la longueur du vol et de la probabilité de prise de conscience (AP) sont évalués [16]. Initialiser et évaluer la position et la mémoire du corbeau comme suit : Évaluer la fonction fitness (objectif) comme suit : Générer une nouvelle position. Vérifier la faisabilité de nouveaux postes [16]. Évaluer la fonction de mise en forme des nouvelles positions [16]. Mettez à jour la mémoire comme suit : (7) Vérifiez le critère de terminaison. Lorsque le critère de terminaison est la position optimale de la mémoire en termes de valeur de fonction objective, il est présenté comme la solution au problème d'optimisation [16]. L'organigramme de l'approche CSA est illustré à la Fig. 3. Fig. 3Open in figure viewerPowerPoint Flowchart of CSA for performing optimisation CSA is proposed in this paper. CSA est un calcul d'amélioration basé sur la population qui a des paramètres simples, ce qui rend donc attrayant pour les applications, et le paramètre est utilisé pour réguler la diversité de l'algorithme [16, 17]. Les résultats de l'ASC sont comparés aux résultats présentés dans la littérature et la plupart des techniques ont utilisé le contrôle direct [16]. Dans cette étude de recherche, l'évolution de la valeur de la fonction fitness de l'ASC est moindre par rapport à la valeur de tolérance déjà spécifiée [3, 18]. 5 Résultats de la simulation Les modules PV utilisés pour tester le modèle PV basé sur CSA sont la cellule solaire multi-cristal Kyocera KC200GT [3, 19]. Les caractéristiques électriques typiques de ces modules ont été observées dans les conditions d'essai standard (STC) (température du module 25 °C, masse d'air de 1,5 et irradiance de 1000 W/m2) [3]. 5.1 Modèle PV à diode unique Selon la CSA présentée dans la quatrième section de cet article, les paramètres qui influencent la performance de la CSA peuvent être écrits comme dans le tableau 1. Tableau 1. Comparaison des valeurs optimales des paramètres inconnus à STC pour le module PV à diode unique Méthode I PV, A I O, A R S, Ω R P, Ω a itération [19] 8,214 9,825×10−8 0,22 415,41 1,3 SFLA proposé [3] 8,214 7,506 ×10−8 0,23 405,26 1,28 CSA proposé 8,21 7,389 ×10−8 0,23 441,12 1,19 Le modèle PV proposé basé sur CSA est validé en comparant les résultats des simulations et les résultats des procédures expérimentales dans diverses conditions environnementales [3]. Les graphiques courant/tension, puissance/tension et les résultats des expériences réalisées sur le module KC200GT à différents niveaux de température sont présentés dans les Figures 4a et b [3]. Fig. 4Ouvrir dans la figure viewerPowerPoint Les résultats des simulations et les résultats des données des expériences effectuées sur le module KC200GT aux différentes conditions de température, G = 1000 W/m2 a Courant en fonction de la tension graphiques b Puissance en fonction de la tension graphiques Les Figures 5 a et b montrent les résultats du modèle proposé simulé et les résultats des données des expériences effectuées sur ce module PV à différents niveaux d'irradiance [3]. Fig. 5Open in figure viewerPowerPoint Résultats de la simulation et des résultats des données des expériences effectuées sur le module PV KC200GT à différents niveaux d'irradiance avec la température constante à 25 ° C a Courant en fonction de la tension graphiques b Puissance en fonction de la tension graphiques graphiques [3] Cela indique la justification de la validité du nouveau modèle PV basé sur CSA. Cela montre également que les résultats de simulation du modèle PV proposé à l'aide du CSA sont étroitement corrélés aux données expérimentales [3]. La figure 6 montre une comparaison des valeurs d'erreur de courant absolues pour les modules PV KC200GT avec la méthode d'itération : méthode de l'algorithme de saut de grenouille mélangée (SFLA) et CSA [3]. On peut voir clairement que les valeurs de « l'erreur de courant absolue » pour le modèle PV basé sur CSA sont inférieures à la valeur pour d'autres modèles PV. Par conséquent, ce modèle CSA proposé est supérieur à ces modèles [3]. Fig. 6Open in figure viewerPowerPoint Absolute current error graph plot of the single diode model Fig. 7 presents the fitness function convergence for the single diode model. Fig. 7Convergence de la fonction de mise en forme de la visionneuse PowerPoint 5.2 Modèle PV à double diode Selon le CSA présenté dans la section 4 pour un modèle PV à double diode, les paramètres inconnus qui influencent l'efficacité et la précision du CSA peuvent être écrits comme dans le tableau 2. Tableau 2. Comparaison des valeurs optimales des paramètres inconnus du modèle à double diode proposé réalisée dans des conditions d'essai standard [3] Méthode GA CSA I PV, A 8.21 8.21 I O1, A 2.15×10−8 1.73×10−8 I O2, A 4.13×10−10 5.75×10−10 R S, Ω 0.3 0.02 R P, Ω 334 342.146 a 1 1.35 1.3009 a 2 1.3 1.2906 Le modèle basé sur CSA proposé dans le modèle PV à double diode a été validé par la comparaison des résultats des simulations avec les résultats des expériences réalisées sur les modules PV dans diverses conditions environnementales [3]. Les Figures 8 a et b représentent les graphiques courant/tension, puissance/tension et les résultats des expériences effectuées sur le module PV KC200GT à différents niveaux de température [3, 20-25]. Fig. 8Open in figure viewerPowerPoint Résultats de la simulation et résultats des données des expériences effectuées sur le module KC200GT aux différents niveaux de température [3], avec une constante d'irradiance à 1000 W/m2 a Courant en fonction de la tension graphiques b Puissance en fonction de la tension graphiques pour le modèle à double diode [3] Les Figures 9 a et b indiquent les résultats du modèle simulé et les résultats des données des expériences effectuées sur ce module PV à différents niveaux d'irradiance [3]. Fig. 9Résultats des simulations et des résultats des données des expériences effectuées sur le module KC200GT aux différents niveaux d'irradiance [3], avec la constante de température à 25°C a Graphique courant/tension b Graphique puissance/tension pour le module PV à double diode [3] La Fig. 10 indique une comparaison entre la valeur d'erreur de courant absolue des modules KC200GT avec la méthode de l'algorithme génétique (GA), la méthode d'itération d'un module PV à double diode et CSA [3]. Par conséquent, on peut conclure que les valeurs de l'erreur de courant absolue des autres modèles PV sont plus grandes par rapport au modèle basé sur CSA [3]. La figure 11 présente la convergence de la fonction fitness pour le modèle à double diode. Fig. 10Ouvrir dans la visionneuse de figuresPowerPoint Graphique d'erreur de courant absolu d'un modèle à double diode Fig. 11Open in figure viewerPowerPoint Graph of fitness function convergence for double-diode PV model 6 Conclusion This paper has presented the CSA and its objective was to determine the unknown parameters of the two models for a PV module. Les modèles sont le modèle PV à simple diode et le modèle à double diode [3]. L'objectif de ce document de recherche est d'obtenir le modèle PV précis qui remplit une grande fonction dans les études et la simulation des systèmes de production d'électricité PV [3]. Le module PV est exprimé par un modèle mathématique qui est essentiellement une caractéristique courant/tension non linéaire. Le modèle a également plusieurs paramètres qui ne sont pas connus en raison des informations limitées des fiches techniques fournies par les fabricants de modules [3]. Il convient de savoir que les résultats des simulations du modèle PV basé sur CSA correspondent aux résultats envisagés et que le modèle proposé peut constituer une base de conception précieuse pour les concepteurs de systèmes PV [3, 7]. 7 Références 1Hasanien H.M., Muyen S.M., Al-Durra A. : « Gravitational search algorithm-based photovoltaic array reconfiguration for partial shading losses reduction ». IET Renewable Power Generation Conf., Londres, 2016 2Humada A.M., Hojabri M., Mekhilef S. et al.: 'Solar cell parameters extraction based on single and double-diode models : a review', Renew. Sustain. Energy Rev., 2016, 56, pp. 494 – 509 (doi : https://doi.org/10.1016/j.rser.2015.11.051) 3Hasanien H.M. : 'Shuffled frog leaping algorithm for photovoltaic model identification', IEEE Trans. Sustain. Energy, 2015, 6, (2), pp. 509 – 515 (doi : https://doi.org/10.1109/TSTE.2015.2389858) 4Tayyan A.A.E. : 'A simple method to extract the parameters of the single-diode model of a PV system', Turk. J. Phys., 2013, 37, pp. 121 – 131 5Askarzadeh A., Rezazadeh A. : 'Parameter identification for solar cell models using harmony search-based algorithms', Sol. Energy, 2012, 86, (11), pp. 3241 – 3249 (doi : https://doi.org/10.1016/j.solener.2012.08.018) 6Ismail M.S., Moghavvemi M., Mahlia T.M.I. : 'Characterization of PV panel and global optimization of its model parameters using genetic algorithm', Energy Convers. Manage., 2013, 73, pp. 10 – 25 (doi : https://doi.org/10.1016/j.enconman.2013.03.033) 7Ishaque K., Salam Z., Taheri H. : 'Simple, fast and precise two-diode model for photovoltaic modules', Sol. Energy Mater. Sol. Cells, 2011, 95, (2), pp. 586 – 594 (doi : https://doi.org/10.1016/j.solmat.2010.09.023) 8Mahmoud Y.A., Xiao W., Zeineldin H.H. : 'A parameterization approach for enhancing PV model accuracy', IEEE Trans. Ind. Electron., 2013, 60, (12), pp. 5708 – 5716 (doi : https://doi.org/10.1109/TIE.2012.2230606) 9Hasanien H.M. : « An adaptive control strategy for low voltage ride through capability enhancement of grid- connected photovoltaic power plants », IEEE Trans. Power Syst., 2016, 31, (4), pp. 3230 – 3237 (doi : https://doi.org/10.1109/TPWRS.2015.2466618) 10Fathadi H. : 'Lambert W function-based technique for tracking the maximum power point of PV modules connected in various configurations', Renew. Energy, 2015, 74, pp. 214 – 226 (doi : https://doi.org/10.1016/j.renene.2014.07.059) 11Rajasekar N., Krishna Kumar N., Venugopalan R. : « Bacterial foraging algorithm based solar PV parameter estimation », Sol. Energy, 2013, 97, pp. 255 – 265 (doi : https://doi.org/10.1016/j.solener.2013.08.019) 12Oliva D., Cuevas E., Pajares G. : 'Parameter identification of solar cells using artificial bee colony optimization', Energy, 2014, 72, pp. 93 – 102 (doi : https://doi.org/10.1016/j.energy.2014.05.011) 13'PV Power Plants 2014 Industry Guide', Available at http://www.PVresurces.com 14 Matlab : ' Release 2013a' ( The Math Works Press, Natick, MA, USA, 2013) 15Walker G.R. : 'Evaluating MPPT converter topologies using a Matlab PV model', Aust. J. Electr. Electron. Eng., 2001, 21, (1), p. 49 16Askarzadeh A. : « A novel metaheuristic method for solving constrained engineering optimization problems crow search algorithm », Comput. Struct., 2016, 169, pp. 1 – 12 (doi : https://doi.org/10.1016/j.compstruc.2016.03.001) 17Rao R.V., Savsani V.J., Vakharia D.P. : « Teaching–learning-based optimization : a novel method for constrained mechanical design optimization problems », Comput.-Aided Des., 2011, 43, (3), pp. 303 – 315 (doi : https://doi.org/10.1016/j.cad.2010.12.015) 18He S., Wu Q.H., Saunders J. R. : 'Group search optimizer : an optimization algorithm inspired by animal search behavior', IEEE Trans. Evol. Comput., 2009, 13, (5), pp. 973 – 990 (doi : https://doi.org/10.1109/TEVC.2009.2011992) 19'KC200GT High Efficiency Multicrystalline Photovoltaic Module Datasheet. Kyocera », disponible sur http://www.kyocera.com. sg 20Villalva M.G., Gazoli J.R., Filho E.R. : « Comprehensive approach to modeling and simulation of photovoltaic arrays », IEEE Trans. Power Electron., 2009, 24, (5), pp. 1198 – 1208 (doi : https://doi.org/10.1109/TPEL.2009.2013862) 21Sadollah A., Bahreininejad A., Eskandar H. et al.: 'Mine blast algorithm : a new population-based algorithm for solving constrained engineering optimization problems', Appl. Soft Comput., 2013, 13, (5), pp. 2592 – 2612 (doi : https://doi.org/10.1016/j.asoc.2012.11.026) 22Ma J., Ting T.O., Man K.L. et al.: 'Parameter estimation of photovoltaic models via cuckoo search', J, Appl. Math., 2013, 2013 23El-Tayyan A.A. : 'PV system behavior based on datasheet', J. Electron Devices, 2011, 9, pp. 335 – 341 24'Photovoltaic Education Network', Disponible sur http ://www. pveducation.org. [Consulté le 15 janvier 2014] 25 Matlab : ' Release 2015a' ( The Math Works Press, Natick, MA, USA, 2015) Citing Literature Volume2017, Issue132017Pages 1570-1575 FiguresReferencesRelatedInformation

Translated Description (Spanish)

The Journal of Engineering Volume 2017, número 13 pág. 1570-1575 ArtículoIdentificación de acceso abierto de los parámetros del modelo fotovoltaico utilizando el algoritmo de búsqueda Crow Abeer Omar, Abeer Omar Electrical Power and Machines Department, Faculty of Engineering, Ain Shams University, Cairo, 11517 EgyptBuscar más artículos de este autorHany M. Hasanien, autor correspondiente Hany M. Hasanien hanyhasanien@ieee.org Electrical Power and Machines Department, Faculty of Engineering, Ain Shams University, Cairo, 11517 EgyptBuscar más artículos de este autorMohamed A. Elgendy, Mohamed A. Elgendy School of Electrical and Electronic Engineering, Newcastle University, Newcastle upon Tyne, NE1 7RU UKBuscar más artículos de este autorMohamed A. L. Badr, Mohamed A. L. Badr Electrical Power and Machines Department, Faculty of Engineering, Ain Shams University, Cairo, 11517 EgyptBuscar más artículos de este autor Abeer Omar, Abeer Omar Electrical Power and Machines Department, Faculty of Engineering, Ain Shams University, Cairo, 11517 EgyptBuscar más artículos de este autorHany M. Hasanien, autor correspondiente Hany M. Hasanien hanyhasanien@ieee.org Electrical Power and Machines Department, Faculty of Engineering, Ain Shams University, Cairo, 11517 EgyptBuscar más artículos de este autorMohamed A. Elgendy, Mohamed A. Elgendy School of Electrical and Electronic Engineering, Newcastle University, Newcastle upon Tyne, NE1 7RU UKBuscar más artículos de este autorMohamed A. L. Badr, Mohamed A. L. Badr Electrical Power and Machines Department, Faculty of Engineering, Ain Shams University, Cairo, 11517 EgyptBuscar más artículos de este autor Publicado por primera vez: 19 de enero de 2018 https://doi.org/10.1049/joe.2017.0595Citations: 19AboutSectionsPDF ToolsRequest permissionExport citationAñadir a favoritosTrack citation ShareShare Dar accesoCompartir acceso de texto completoCompartir acceso de texto completoRevise nuestros Términos y condiciones de uso y marque la casilla a continuación para compartir la versión de texto completo del artículo.He leído y aceptado los Términos y condiciones de uso de la biblioteca en línea de WileyEnlace compartibleUse el enlace a continuación para compartir una versión de texto completo de este artículo con sus amigos y colegas. Más información.Copiar URL Compartir un enlaceCompartir enFacebookTwitterLinkedInRedditWechat Los sistemas fotovoltaicos abstractos (PV) se utilizan ampliamente desde hace varias décadas. Se han convertido en una fuente importante de energía verde y actualmente se utilizan en muchas aplicaciones. La industria fotovoltaica ha crecido gracias a las mejoras en la tecnología de conversión de luz en energía eléctrica, así como a la reducción de costes. Este proyecto investiga las aplicaciones del algoritmo de búsqueda Crow (CSA) para identificar con precisión los parámetros del módulo fotovoltaico. CSA es un novedoso optimizador metaheurístico basado en la población basado en la exhibición de los cuervos de inteligencia en sus comportamientos, lo que les ayuda a identificar la mejor ubicación para indicar su receptor. En este estudio, el CSA se simula utilizando el entorno MATLAB y se realiza en los modelos fotovoltaicos de diodo único y diodo doble para estimar sus parámetros con un error de potencia de salida mínimo. Se puede decir que este error es la diferencia entre la potencia de salida máxima y la potencia de salida calculada en una irradiancia solar particular y los valores de temperatura de la celda. 1 Introducción Los generadores solares fotovoltaicos (PV) son partes de las fuentes de energía renovables que están libres de contaminación, libres de ruido, de larga vida útil, sin partes móviles, de diseño simple y de corto tiempo de instalación [1-4]. Las células solares transforman la radiación solar incidente en sus superficies para dar una electricidad de corriente continua. En la actualidad, el despliegue e instalación de generadores fotovoltaicos está aumentando rápidamente y sirve ampliamente como una fuente efectiva de energía verde y limpia en comparación con otras fuentes de electricidad. Se requieren parámetros precisos del circuito equivalente del módulo fotovoltaico para estudiar el rendimiento del generador fotovoltaico en las diversas condiciones de funcionamiento de las variaciones de temperatura y las irradiaciones solares. Las células fotovoltaicas se pueden demostrar mediante dos modelos comunes: el modelo de diodo único y el modelo de diodo doble [5]. El primero es más simple y tiene un rendimiento bastante cercano al segundo. El modelo de diodo único contiene los siguientes cinco parámetros desconocidos: el factor de idealidad del diodo (a), la fotocorriente (I PV), la corriente de saturación (I o), la resistencia conectada en paralelo (R P) y la resistencia conectada en serie (R S) [6]. Los tres parámetros principales del modelo fotovoltaico de diodo único son: a, R P y R S. Sus parámetros restantes I PV e I o se pueden derivar de las ecuaciones del modelo [3]. Los cuatro parámetros principales para el modelo de diodo doble son: primer factor de diodo (a 1), segundo factor de diodo (a 2), R P y R S [3], mientras que los otros parámetros, la primera corriente PV (I PV1), la segunda corriente PV (I PV2) e I o se calculan a partir de las ecuaciones del modelo [7]. Este proyecto presenta un enfoque novedoso centrado en el algoritmo de búsqueda de cuervos (CSA) y tiene como objetivo determinar los parámetros desconocidos de los modelos de módulos con alta precisión y rápida convergencia. El CSA se simula utilizando el entorno MATLAB. La función de coste utilizada con ambos modelos es la diferencia entre la potencia esperada y la calculada con CSA. El módulo solar Kyocera KC200GT se utiliza en ambos casos de identificación de parámetros [5]. 2 Modelos de módulos fotovoltaicos 2.1 Modelo de diodo único El circuito equivalente del modelo de diodo único se muestra en la Fig. 1. El circuito consta de: una fuente de corriente I PV, un diodo, una resistencia conectada en paralelo R P y una resistencia conectada en serie R S [3]. Fig. 1Abrir en el visor de figurasPowerPoint Circuito modelo de diodo único Las características de corriente-voltaje (IV) de un módulo fotovoltaico se expresan matemáticamente mediante esta ecuación no lineal a continuación [3]: (1) donde V T denota la fuerza termoelectromotriz (EMF) del módulo fotovoltaico. N S indica el tamaño numérico de las células fotovoltaicas conectadas en serie. K significa constante de Boltzmann. T denota la temperatura del módulo (Kelvin), y q denota la carga de un electrón [8]. Las características IV dan tres combinaciones de I y V y su valor, siempre son proporcionadas por los fabricantes de módulos fotovoltaicos en su hoja de datos. Son: la corriente de cortocircuito I sc, la tensión de circuito abierto V oc y el punto de máxima potencia MPP. I pv depende básicamente del nivel de irradiación solar y la temperatura ambiente, matemáticamente se expresa como (2) donde I PV.n es la fotocorriente producida por la célula fotovoltaica en la condición nominal de irradiación de 1000 W/m2 y temperatura de 25 °C, K I es el coeficiente de temperatura de la célula para la corriente de cortocircuito, ΔT denota el cambio en la temperatura del valor y el valor nominal, G denota la irradiación solar real incidente en la superficie del módulo, G n denota la irradiación solar incidente en las condiciones normales [9, 10]. I PV. n se muestra en la siguiente ecuación: (3) La corriente de saturación del diodo I o depende intensamente de la temperatura y se puede modelar aproximadamente utilizando la siguiente ecuación: (4) donde I sc.n denota la corriente nominal de cortocircuito en condición nominal, V oc.n es la tensión de circuito abierto, K v denota el coeficiente de temperatura de la corriente de cortocircuito [11, 12]. A partir de (2) y (4), se puede ver que los tres parámetros desconocidos del modelo fotovoltaico de diodo único se pueden reducir a: a, R S y R P, mientras que las otras incógnitas se pueden derivar de las ecuaciones del modelo [3, 13]. 2.2 Modelo de doble diodo El modelo de doble diodo se puede representar mediante dos diodos conectados en serie para aumentar el voltaje o en paralelo para aumentar la corriente para una representación más precisa del módulo fotovoltaico. Dichas disposiciones de módulos fotovoltaicos se denominan matriz. La célula fotovoltaica con el modelo de dos diodos se modela con electricidad como se muestra en la Fig. 2. Fig. 2Abrir en el visor de figurasPowerPoint Circuito equivalente al modelo de doble diodo de PV El módulo PV del modelo de doble diodo se representa en la Fig. 2. La característica IV no lineal del módulo fotovoltaico, que tiene una forma no lineal, se puede expresar como (5) donde I O1 e I O2 son los valores de corriente inversa no lineal de los dos diodos. V T1 y V T2 son los voltajes térmicos (EMF) de dos diodos, a 1 y a 2 son las constantes de los diodos. Los cuatro parámetros principales del modelo fotovoltaico de doble diodo son: a 1, a 2, R S y R P, mientras que los otros parámetros se calculan a partir de las ecuaciones del modelo [14]. 3 Formulación del problema El desafío de investigación en estudio en este documento se puede derivar con el supuesto de que la potencia de salida máxima P max,m generada por el módulo fotovoltaico [10] es consistente con la potencia de salida experimental máxima P max,e proporcionada en la hoja de datos en el punto de potencia máxima [3, 10]. El objetivo del desafío formulado es reducir el "error de potencia". El error de potencia se puede definir como el valor de diferencia entre la potencia de referencia deseada y la potencia máxima calculada [3]. Se puede escribir de la siguiente manera: (6) Este trabajo de investigación muestra cómo se realiza la tecnología CSA en una función objetivo con el 'error de potencia'. Esto se hace para determinar los parámetros desconocidos de los modelos de módulos fotovoltaicos [3]. Este error se define como la diferencia entre las referencias deseadas para la potencia y la potencia máxima calculada [15]. 4 Algoritmo de búsqueda Crow El CSA es un nuevo método de optimización que intenta obtener una solución óptima a partir de todas las soluciones disponibles y posibles [16]. Se instala la posición de una racha de N cuervos en el espacio de caza y la posición de la memoria de cada cuervo. El procedimiento de optimización de la CSA es el siguiente: se valoran el problema de inicialización y los parámetros ajustables del tamaño de la manada de CSA (N), el número máximo de iteraciones, la longitud del vuelo y la probabilidad de conocimiento (AP) [16]. Inicializar y evaluar la posición y la memoria del cuervo de la siguiente manera: Evaluar la función de aptitud (objetivo) de la siguiente manera: Generar una nueva posición. Comprobar la viabilidad de nuevos puestos [16]. Evaluar la función de aptitud de las nuevas posiciones [16]. Actualice la memoria de la siguiente manera: (7) Compruebe el criterio de terminación. Cuando el criterio de terminación es la posición óptima de la memoria en términos del valor de la función objetivo, se presenta como la solución al problema de optimización [16]. El diagrama de flujo del enfoque CSA se muestra en la Fig. 3. Fig. 3Abrir en el visor de figurasEl diagrama de flujo de PowerPoint de CSA para realizar la optimización de CSA se propone en este documento. CSA es un cálculo de mejora basado en la población que tiene parámetros simples, lo que hace que sea atractivo para las aplicaciones, y el parámetro se utiliza para regular la diversidad del algoritmo [16, 17]. Los resultados de la CSA se comparan con los resultados presentados en la literatura y la mayoría de las técnicas han utilizado control directo [16]. En este estudio de investigación, el cambio en el valor de la función de aptitud física de la CSA es menor en comparación con el valor de tolerancia ya especificado [3, 18]. 5 Resultados de la simulación Los módulos fotovoltaicos utilizados en las pruebas del modelo fotovoltaico basado en CSA son la célula solar multicristalina Kyocera KC200GT [3, 19]. Las características eléctricas típicas de estos módulos se observaron en las condiciones de prueba estándar (STC) (temperatura del módulo 25 ° C, 1.5 masa de aire e irradiancia de 1000 W/m2) [3]. 5.1 Modelo fotovoltaico de diodo único De acuerdo con el CSA presentado en la cuarta sección de este documento, los parámetros que influyen en el rendimiento del CSA se pueden escribir como en la Tabla 1. Tabla 1. Comparación de valores óptimos de parámetros desconocidos en STC para módulo fotovoltaico de diodo único Método I PV, A I O, A R S, Ω R P, Ω a iteración [19] 8.214 9.825×10−8 0.22 415.41 1.3 SFLA propuesto [3] 8.214 7.506×10−8 0.23 405.26 1.28 CSA propuesto 8.21 7.389 ×10−8 0.23 441.12 1.19 El modelo fotovoltaico propuesto basado en CSA se valida comparando los resultados de las simulaciones y los resultados de los procedimientos experimentales en diversas condiciones ambientales [3]. Las gráficas de corriente frente a voltaje, las gráficas de potencia frente a voltaje y los resultados de los datos de los experimentos realizados en el módulo KC200GT a varios niveles de temperatura se muestran en las Figs. 4 a y b [3]. Fig. 4Abrir en el visor de figurasPowerPoint Datos resultados de las simulaciones y los resultados de los datos de los experimentos realizados en el módulo KC200GT en las diversas condiciones de temperatura, G = 1000 W/m2 a Gráficos de corriente frente a voltaje b Gráficos de potencia frente a voltaje Las Figs. 5 a y b muestran los resultados del modelo propuesto simulado y los resultados de los datos de los experimentos realizados en este módulo fotovoltaico en diversos niveles de irradiancia [3]. Fig. 5Abrir en el visor de figurasPowerPoint Resultados de la simulación y los resultados de los datos de los experimentos realizados en el módulo fotovoltaico KC200GT a diferentes niveles de irradiancia con la temperatura constante a 25 °C a Gráficos de gráficos de corriente frente a voltaje b Gráficos de gráficos de potencia frente a voltaje [3] Esto indica la justificación de la validez del nuevo modelo fotovoltaico basado en CSA. Esto también muestra que los resultados de la simulación del modelo fotovoltaico propuesto utilizando el CSA se correlacionan estrechamente con los datos experimentales [3]. La Fig. 6 muestra una comparación de los valores de error de corriente absoluta para los módulos fotovoltaicos KC200GT con el método de iteración: método de algoritmo de salto de rana aleatorio (SFLA) y CSA [3]. Se puede ver claramente que los valores de "error de corriente absoluta" para el modelo fotovoltaico basado en CSA son menores en comparación con el valor de otros modelos fotovoltaicos. Por lo tanto, este modelo CSA propuesto es superior a estos modelos [3]. Fig. 6Abrir en el visor de figurasPowerPoint Gráfico de error de corriente absoluta del modelo de diodo único La Fig. 7 presenta la convergencia de la función de adecuación para el modelo de diodo único. Fig. 7Abrir en el visor de figurasConvergencia de la función PowerPoint Fitness 5.2 Modelo fotovoltaico de doble diodo De acuerdo con el CSA presentado en la Sección 4 para un modelo fotovoltaico de doble diodo, los parámetros desconocidos que influyen en la eficiencia y precisión del CSA se pueden escribir como en la Tabla 2. Tabla 2. Comparación de los valores óptimos de los parámetros desconocidos del modelo de diodo doble propuesto realizado en condiciones de prueba estándar [3] Método GA CSA I PV, A 8.21 8.21 I O1, A 2.15×10−8 1.73×10−8 I O2, A 4.13×10− 10 5.75× 10 −10 R S, Ω 0.3 0.02 R P, Ω 334 342.146 a 1 1.35 1.3009 a 2 1.3 1.2906 El modelo basado en CSA propuesto en el modelo fotovoltaico de diodo doble se validó mediante la comparación de los resultados de las simulaciones con los resultados de los experimentos realizados en los módulos fotovoltaicos en diversas condiciones ambientales [3]. Las figuras 8 a y b representan los gráficos de corriente frente a voltaje, los gráficos de potencia frente a voltaje y los resultados de los experimentos realizados en el módulo fotovoltaico KC200GT a varios niveles de temperatura [3, 20-25]. Fig. 8Abrir en el visor de figurasPowerPoint Resultados de la simulación y los resultados de los datos de los experimentos realizados en el módulo KC200GT a los diversos niveles de temperatura [3], con constante de irradiancia a 1000 W/m2 a Gráficos de corriente frente a voltaje b Gráficos de potencia frente a voltaje para el modelo de diodo doble [3] Las Figs. 9 a y b indican los resultados del modelo simulado y los resultados de los datos de los experimentos realizados en este módulo fotovoltaico a diversos niveles de irradiancia [3]. Fig. 9Abrir en el visor de figurasPowerPoint Resultados de las simulaciones y los resultados de los datos de los experimentos realizados en el módulo KC200GT en los diversos niveles de irradiancia [3], con la temperatura constante a 25 °C a Gráficos de gráficos de corriente frente a voltaje b Gráficos de gráficos de potencia frente a voltaje para el módulo fotovoltaico de doble diodo [3] La Fig. 10 indica una comparación entre el valor de error de corriente absoluto de los módulos KC200GT con el método del algoritmo genético (GA), el método de iteración de un módulo fotovoltaico de doble diodo y CSA [3]. Por lo tanto, se puede concluir que los valores del error de corriente absoluta de otros modelos fotovoltaicos son mayores en comparación con el modelo basado en CSA [3]. La Fig. 11 presenta la convergencia de la función de adecuación para el modelo de diodo doble. Fig. 10Abrir en el visor de figurasPowerPoint Gráfico de error de corriente absoluta de un modelo de diodo doble Fig. 11Open in figure viewerPowerPoint Graph of fitness function convergence for double-diode PV model 6 Conclusion Este artículo ha presentado el CSA y su objetivo era determinar los parámetros desconocidos de los dos modelos para un módulo fotovoltaico. Los modelos son el modelo fotovoltaico de diodo único y el modelo de diodo doble [3]. El objetivo de este trabajo de investigación es obtener el modelo fotovoltaico preciso que cumple una gran función en los estudios y simulación de sistemas de generación de electricidad fotovoltaica [3]. El módulo fotovoltaico se expresa mediante un modelo matemático que es básicamente una característica de corriente frente a voltaje no lineal. El modelo también tiene varios parámetros que no se conocen debido a la información limitada de las hojas de datos proporcionada por los fabricantes de módulos [3]. Vale la pena saber que los resultados de las simulaciones del modelo fotovoltaico basado en CSA coinciden con los resultados previstos y que el modelo propuesto puede ser una base de diseño valiosa para los diseñadores de sistemas fotovoltaicos [3, 7]. 7 Referencias 1Hasanien H.M., Muyen S.M., Al-Durra A.: 'Gravitational search algorithm-based photovoltaic array reconfiguration for partial shading losses reduction'. IET Generación de Energía Renovable Conf., Londres, 2016 2Humada A.M., Hojabri M., Mekhilef S. et al.: 'Solar cell parameters extraction based on single and double-diode models: a review', Renew. Sustain. Energy Rev., 2016, 56, pp. 494 – 509 (doi: https://doi.org/10.1016/j.rser.2015.11.051) 3Hasanien H.M.: 'Shuffled frog leaping algorithm for photovoltaic model identification', IEEE Trans. Sustain. Energy, 2015, 6, (2), pp. 509 – 515 (doi: https://doi.org/10.1109/TSTE.2015.2389858) 4Tayyan A.A.E.: 'A simple method to extract the parameters of the single-diode model of a PV system', Turk. J. Phys., 2013, 37, págs. 121 – 131 5Askarzadeh A., Rezazadeh A.: 'Parameter identification for solar cell models using harmony search-based algorithms', Sol. Energy, 2012, 86, (11), pp. 3241 – 3249 (doi: https://doi.org/10.1016/j.solener.2012.08.018) 6Ismail M.S., Moghavvemi M., Mahlia T.M.I.: 'Characterization of PV panel and global optimization of its model parameters using genetic algorithm', Energy Convers. Manage., 2013, 73, pp. 10 – 25 (doi: https://doi.org/10.1016/j.enconman.2013.03.033) 7Ishaque K., Salam Z., Taheri H.: 'Modelo de dos diodos simple, rápido y preciso para módulos fotovoltaicos', Sol. Energy Mater. Sol. Cells, 2011, 95, (2), pp. 586 – 594 (doi: https://doi.org/10.1016/j.solmat.2010.09.023) 8Mahmoud Y.A., Xiao W., Zeineldin H.H.: 'Un enfoque de parametrización para mejorar la precisión del modelo fotovoltaico', IEEE Trans. Ind. Electron., 2013, 60, (12), pp. 5708 – 5716 (doi: https://doi.org/10.1109/TIE.2012.2230606) 9Hasanien H.M.: 'An adaptive control strategy for low voltage ride through capacity enhancement of grid- connected photovoltaic power plants', IEEE Trans. Power Syst., 2016, 31, (4), pp. 3230 – 3237 (doi: https://doi.org/10.1109/TPWRS.2015.2466618) 10Fathadi H.: 'Lambert W function-based technique for tracking the maximum power point of PV modules connected in various configurations', Renew. Energy, 2015, 74, pp. 214 – 226 (doi: https://doi.org/10.1016/j.renene.2014.07.059) 11Rajasekar N., Krishna Kumar N., Venugopalan R.: 'Bacterial foraging algorithm based solar PV parameter estimation', Sol. Energy, 2013, 97, pp. 255 – 265 (doi: https://doi.org/10.1016/j.solener.2013.08.019) 12Oliva D., Cuevas E., Pajares G.: 'Parameter identification of solar cells using artificial bee colony optimization', Energy, 2014, 72, pp. 93 – 102 (doi: https://doi.org/10.1016/j.energy.2014.05.011) 13'PV Power Plants 2014 Industry Guide', Disponible en http://www.PVresurces.com 14 MATLAB: ' Release 2013a' ( The Math Works Press, Natick, MA, USA, 2013) 15Walker G.R.: 'Evaluating MPPT converter topologies using a Matlab PV model', Aust. J. Electr. Electron. Eng., 2001, 21, (1), p. 49 16Askarzadeh A.: 'A novel metaheuristic method for solving constrained engineering optimization problems crow search algorithm', Comput. Struct., 2016, 169, pp. 1 – 12 (doi: https://doi.org/10.1016/j.compstruc.2016.03.001) 17Rao R.V., Savsani V.J., Vakharia D.P.: 'Teaching–learning-based optimization: a novel method for constrained mechanical design optimization problems', Comput.-Aided Des., 2011, 43, (3), pp. 303 – 315 (doi: https://doi.org/10.1016/j.cad.2010.12.015) 18He S., Wu Q.H., Saunders J. R.: 'Group search optimizer: an optimization algorithm inspired by animal search behavior', IEEE Trans. Evol. Comput., 2009, 13, (5), pp. 973 – 990 (doi: https://doi.org/10.1109/TEVC.2009.2011992) Hoja de datos del módulo fotovoltaico multicristalino de alta eficiencia 19'KC200GT. Kyocera», Disponible en http://www.kyocera.com. sg 20Villalva M.G., Gazoli J.R., Filho E.R.: «Comprehensive approach to modeling and simulation of photovoltaic arrays », IEEE Trans. Power Electron., 2009, 24, (5), pp. 1198 – 1208 (doi: https://doi.org/10.1109/TPEL.2009.2013862) 21Sadollah A., Bahreininejad A., Eskandar H. et al.: 'Mine blast algorithm: a new population based algorithm for solve constrained engineering optimization problems', Appl. Soft Comput., 2013, 13, (5), pp. 2592 – 2612 (doi: https://doi.org/10.1016/j.asoc.2012.11.026) 22Ma J., Ting T.O., Man K.L. et al.: 'Parameter estimation of photovoltaic models via cuckoo search', J, Appl. Math., 2013, 2013 23El-Tayyan A.A.: 'PV system behavior based on datasheet', J. Electron Devices, 2011, 9, pp. 335 – 341 24'Photovoltaic Education Network', Disponible en http://www. pveducation.org. [Consultado el 15 de enero de 2014] 25 Matlab: ' Release 2015a' ( The Math Works Press, Natick, MA, EE. UU., 2015) Citing Literature Volume2017, Issue132017Pages 1570-1575 FiguresReferencesRelatedInformation

Additional details

Additional titles

Translated title (Arabic)
تحديد معلمات النموذج الكهروضوئي باستخدام خوارزمية البحث عن الغراب
Translated title (French)
Identification des paramètres du modèle photovoltaïque à l'aide de l'algorithme de recherche Crow
Translated title (Spanish)
Identificación de los parámetros del modelo fotovoltaico mediante el algoritmo de búsqueda Crow

Identifiers

Other
https://openalex.org/W2768245680
DOI
10.1049/joe.2017.0595

Is supplement to
https://openalex.org/W4322211974 (Other)
https://openalex.org/W3106902037 (Other)
https://openalex.org/W3104379783 (Other)
https://openalex.org/W2884263184 (Other)
https://openalex.org/W2550512741 (Other)
https://openalex.org/W2392812934 (Other)
https://openalex.org/W2131174359 (Other)
https://openalex.org/W2104775196 (Other)
https://openalex.org/W2087130400 (Other)
https://openalex.org/W1530649511 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Egypt

References

  • https://openalex.org/W1706439470
  • https://openalex.org/W1901627114
  • https://openalex.org/W1977315075
  • https://openalex.org/W1997311940
  • https://openalex.org/W1999284878
  • https://openalex.org/W2010811793
  • https://openalex.org/W2015060432
  • https://openalex.org/W2016584611
  • https://openalex.org/W2018785226
  • https://openalex.org/W2078402176
  • https://openalex.org/W2096729168
  • https://openalex.org/W2125281549
  • https://openalex.org/W2131841686
  • https://openalex.org/W2147271386
  • https://openalex.org/W2170942875
  • https://openalex.org/W2214090926
  • https://openalex.org/W2306115793
  • https://openalex.org/W2346018280
  • https://openalex.org/W2473265184
  • https://openalex.org/W2566909678